偷偷问一下，关注了吗？
内容获取
1、购买打包合集（《KS科研分享与服务》付费内容打包集合），价格感人，可以加入微信VIP群（答疑交流群，甚至有小伙伴觉得群比代码更好），可以获取建号以来所有内容，群成员专享视频教程，提前更新，其他更多福利！
2、《KS科研分享与服务》公众号有QQ群，进入门槛是20元（完全是为了防止白嫖党，请理解），请考虑清楚。群里有免费推文的注释代码和示例数据（终身拥有），没有付费内容，群成员福利是购买单个付费内容半价！
需要者详情请联系作者（非需要者勿扰，处理太费时间）：
这只是一个推荐介绍帖，不是教程，请知悉！单细胞RNA-Seq（scRNA-Seq）细胞-细胞通讯（CCC）分析是研究者理解细胞之间互作的主要分析手段，我们也着重介绍过三种，我称之为“三巨头”，主要是他们的使用比较广，文献中使用很多，所以在可信度和知名度上较高，不是说其他的方式不好！
单细胞通讯分析之Cellphonedbv5完整内容（视频教程）
Nichenetr V2（一）：单细胞通讯分析基础流程及可视化修饰
其实除了这些曝光度很高的方法外，还有特别多的其他工具和资源研究细胞通讯，有些至今我都没有使用过或者听说过，可是我们也都发现一个问题，就拿cellphonedb和cellchat来说，数据库资源就不是一致的（Cellchat分析受配体数据库更新（自定义），Cellphonedb单细胞互作分析数据库更新及自定义），但是原则上应该有一个完整的数据库，然后不论你使用哪种方法，至少数据库是“齐全”的。这也是之前有小伙伴提出的问题，或者他想用不同的方法推断通讯，看看结果差别，能不能挖掘有用的数据。那么liana包就是解决这些问题的，它的文章分别发表在，它提供了受配体分析框架，简单理解就是将各种方法资源整合了，方便我们使用。具体内容可查看文章和官网，也有详细教程！
安装目前的R包试试吧！这里我们强调R版，因为大多数人的使用原因！
setwd("D:\\KS项目\\公众号文章\\liana单细胞通讯分析框架介绍")#安装和加载一些包library(Seurat)library(dplyr)library(tidyverse)remotes::install_github('saezlab/liana')library(liana)#需要注意的是，我本地电脑用remotes::install_github很费劲且没有成功#所以下载安装包本地安装，然后可能需要一些依赖包，同样的下载本地安装即可packageVersion('liana')[1] ‘0.1.14’
看看资源和分析方法，都挺全，常见的不常见的都在（这里的不常见仅指我的认知）。从两个层面来说，一些python的方法经过了R的转化，可以说能在R里面运行cellphonedb了，对于不熟悉python的小伙伴是很友好的！
liana::show_resources()[1] "Default" "Consensus" "Baccin2019" "CellCall"[5] "CellChatDB" "Cellinker" "CellPhoneDB" "CellTalkDB"[9] "connectomeDB2020" "EMBRACE" "Guide2Pharma" "HPMR"[13] "ICELLNET" "iTALK" "Kirouac2010" "LRdb"[17] "Ramilowski2015" "OmniPath" "MouseConsensus"liana::show_methods()[1] "connectome" "logfc" "natmi" "sca" "cellphonedb"[6] "cytotalk" "call_squidpy" "call_cellchat" "call_connectome" "call_sca"[11] "call_italk" "call_natmi"
运行下分析，提供单细胞seurat obj或者SingleCellExperiment obj即可，可以指定方法和resource。
##load dataload("C:/Users/tq199/Desktop/fsdownload/scRNA_Y16.Rdata")Idents(scRNA_Y16) <- 'celltype'##run analysisliana_test <- liana_wrap(scRNA_Y16, idents_col = 'celltype')# Expression from the `RNA` assay will be used# Running LIANA with `celltype` as labels!# LIANA: LR summary stats calculated!# Now Running: Natmi# Now Running: Connectome# Now Running: Logfc# Now Running: Sca# Now Running: Cellphonedb# |============================================================== |100% ~0 s remainingliana_test <- liana_test %>%liana_aggregate(aggregate_how = "magnitude")#====================================================================================liana_cpdb <- liana_wrap(scRNA_Y16, idents_col = 'celltype', method = "cellphonedb",resource = c('CellPhoneDB'))liana_cpdb_sig <- liana_cpdb[liana_cpdb$pvalue <= 0.05,]liana_cpdb_sig$inter <- paste0(liana_cpdb_sig$source,"_",liana_cpdb_sig$target)table(liana_cpdb_sig$inter)
可视化就很简单了：
#可视化library(ggplot2)library(RColorBrewer)ggplot(liana_cpdb_sig,aes(inter,LRpairs))+geom_point(aes(size= -log10(pvalue+0.00001), color=lr.mean))+geom_point(aes(size= -log10(pvalue+0.00001)), shape=21,stroke=1)+theme(axis.text.x = element_text(angle = 90, hjust = 1))+scale_color_gradientn(colours = RColorBrewer::brewer.pal(n = 10, name = "Spectral"))
更多精彩请看liana官网教程，例如liana+python版，也期待功能的R实现！能够更加方便细胞通讯分析！觉得我们分享有些用的，点个赞再走呗！
关注我们获取精彩内容：
关注不迷路：扫描下面二维码关注公众号！
B站视频号链接：https://space.bilibili.com/471040659?spm_id_from=333.1007.0.0
关注 KS科研分享与服务，
认清正版优质内容和服务！
优质内容持续输出，物超所值！
合作联系：ks_account@163.com
